Librerías a utilizar
library(readr)
library(ggplot2)
Use suppressPackageStartupMessages() to
eliminate package startup messages
library(skimr)
library(dplyr)
library(lubridate)
Attaching package: ‘lubridate’
The following objects are masked from ‘package:base’:
date, intersect, setdiff, union
library(openair)
Cargar los datos de “temixco.csv”
data_temixco <-read_csv("../data/temixco.csv")
Rows: 52560 Columns: 8
── Column specification ─────────────────────────────────────────────────────────────────────────────────────────
Delimiter: ","
dbl (7): Ib, Ig, To, RH, WS, WD, P
dttm (1): time
ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
data_temixco
Probando la función homóloga a “resample()”
- Se usará la función date_group dentro de la librería clock.
- Esta funció agrupa los objetos de tiempo en periodos con precisión desde segundos hasta años
- \(n\) indica el número de veces de la frecuencia.
month_data <- data_temixco %>%
mutate(
month = date_group(data_temixco$time, "month", n = 1)
) %>%
group_by(month) %>%
summarize(across(colnames(data_temixco), mean)) %>%
select(everything(), -time)
month_data
Graficar el df anterior como una serie de tiempo:
library(TSstudio)
ts_plot(month_data,
type = "multiple",
title = "Promedio mensual")
LS0tCnRpdGxlOiAiRnVuY2nDs24gcmVzYW1wbGUoKSBtZW5zdWFsbWVudGUgeSBncmFmaWNhcmxvcyIKb3V0cHV0OiBodG1sX25vdGVib29rCi0tLQojIyBMaWJyZXLDrWFzIGEgdXRpbGl6YXIKYGBge3J9CmxpYnJhcnkocmVhZHIpCmxpYnJhcnkoZ2dwbG90MikKbGlicmFyeShza2ltcikKbGlicmFyeShkcGx5cikKbGlicmFyeShsdWJyaWRhdGUpCmxpYnJhcnkob3BlbmFpcikKYGBgCgojIyBDYXJnYXIgbG9zIGRhdG9zIGRlICJ0ZW1peGNvLmNzdiIKYGBge3J9CmRhdGFfdGVtaXhjbyA8LXJlYWRfY3N2KCIuLi9kYXRhL3RlbWl4Y28uY3N2IikKZGF0YV90ZW1peGNvCmBgYAoKCiMjIFByb2JhbmRvIGxhIGZ1bmNpw7NuIGhvbcOzbG9nYSBhICJyZXNhbXBsZSgpIgoqIFNlIHVzYXLDoSBsYSBmdW5jacOzbiAqZGF0ZV9ncm91cCogZGVudHJvIGRlIGxhIGxpYnJlcsOtYSAqY2xvY2sqLgoqIEVzdGEgZnVuY2nDsyBhZ3J1cGEgbG9zIG9iamV0b3MgZGUgdGllbXBvIGVuIHBlcmlvZG9zIGNvbiBwcmVjaXNpw7NuIGRlc2RlIHNlZ3VuZG9zIGhhc3RhIGHDsW9zCiogJG4kIGluZGljYSBlbCBuw7ptZXJvIGRlIHZlY2VzIGRlIGxhIGZyZWN1ZW5jaWEuCmBgYHtyfQptb250aF9kYXRhIDwtIGRhdGFfdGVtaXhjbyAlPiUKICBtdXRhdGUoCiAgICBtb250aCA9IGRhdGVfZ3JvdXAoZGF0YV90ZW1peGNvJHRpbWUsICJtb250aCIsIG4gPSAxKQogICkgJT4lIAogIGdyb3VwX2J5KG1vbnRoKSAlPiUgCiAgc3VtbWFyaXplKGFjcm9zcyhjb2xuYW1lcyhkYXRhX3RlbWl4Y28pLCBtZWFuKSkgJT4lIAogIHNlbGVjdChldmVyeXRoaW5nKCksIC10aW1lKQptb250aF9kYXRhCmBgYAoKCiMjIEdyYWZpY2FyIGVsIGRmIGFudGVyaW9yIGNvbW8gdW5hIHNlcmllIGRlIHRpZW1wbzoKYGBge3J9CmxpYnJhcnkoVFNzdHVkaW8pCnRzX3Bsb3QobW9udGhfZGF0YSwKICAgICAgICB0eXBlID0gIm11bHRpcGxlIiwKICAgICAgICB0aXRsZSA9ICJQcm9tZWRpbyBtZW5zdWFsIikKYGBgCgoKCgoKCg==